2023年中国人工智能产业研究报告（Ⅳ）人工智能产业规模预测报告怎么写

发表时间：2023-07-05 15:49:39

2023年中国人工智能产业研究报告（Ⅳ）

报告简介

中国人工智能产业研究报告（Ⅳ）为艾瑞咨询集团自主研究发布的年度行业报告，至今已连续四年。本年度艾瑞除了持续更新计算机视觉、智能语音与对话式AI、机器学习、自然语言处理与知识图谱等各项技术的细分市场规模、探讨新兴应用场景或趋势外，还深入探讨了数字经济时代的人工智能产业升级、人工智能产业的持续增长力、行业典型参与者的商业模式与战略发展路线、智能化改革践行者的人工智能思维等四大关键性问题，希望通过本报告，为读者呈现2021年人工智能产业发展的要素与亮点，提供辨析和判断人工智能行业趋势的方法启发。

一、数字经济时代人工智能产业社会经济价值1.1人工智能产业化发展进程1.2数字经济的华章1.3数字经济下的人工智能产业升级1.4人工智能助力产业经济价值实现二、人工智能产业的持续增长力2.1人工智能产业规模2.2人工智能产业图谱2.3机器学习2.4知识图谱与自然语言处理2.5智能语音与对话式AI2.6计算机视觉2.7AI芯片2.8“新需求”下的AI技术发展趋势三、人工智能产业的供需天平3.1资本市场总况3.2人工智能企业价值实现进程3.3智能化改革践行者的人工智能思维3.4人工智能企业商业化价值路径3.5轻量标准化产品的商业价值3.6定制化解决方案的商业价值3.7AI平台的商业价值3.8AI工程化能力的商业价值四、人工智能行业标杆企业与新锐势力4.1商汤科技4.2第四范式4.3明略科技4.4萨摩耶云4.5澎思科技4.6慧算账4.7易道博识4.8百应科技4.9竹间智能4.10地平线4.11爱数智慧五、人工智能产业趋势展望5.1可信人工智能的重要性升级5.2预训练大模型的商业化5.3人工智能基础层价值持续凸显5.4低/零代码开发，AI落地千行百业

图表目录

图1-12015-2020年中国数字经济规模及占GDP比重图1-22012-2021年5月对话机器人投融资轮次情况图2-32019-2026年中国人工智能产业规模图2-42015-2020年中国数字经济内部结构变化图2-52018-2021年11月中国机器学习融资事件数与融资金额情况图2-62018-2021年11月中国机器学习融资轮次情况图2-72018-2021年11月中国机器学习融资赛道热度情况图2-82019-2026年中国机器学习核心产品及带动相关产业规模图2-92019-2026年中国机器学习核心产品在主要行业应用规模图2-102018-2021.11月中国知识图谱融资概况图2-112018-2021.11月中国知识图谱融资轮次情况图2-122018-2021.11月中国NLP融资概况图2-132018-2021.11月中国NLP融资轮次情况图2-142018-2020.11月中国知识图谱获投企业业务赛道热度统计图2-152018-2021.11月2018-2020.11中国NLP获投企业业务赛道热度统计图2-162019-2026年中国知识图谱核心产品及带动相关产业规模图2-172019-2026年中国知识图谱核心产品在主要行业应用规模图2-182019-2026年中国NLP核心产品及带动相关产业规模图2-192019-2026年中国NLP核心产品在主要行业应用规模图2-202019-2026年中国智能语音垂直行业应用核心产品及带动相关产业规模图2-212019-2026年中国对话式AI核心产品及带动相关产业规模图2-222018-2021年11月中国智能语音企业融资金额与融资笔数统计图2-232018-2021年11月中国智能语音企业融资轮次情况图2-242018-2021年11月中国智能语音获投企业业务赛道热度统计图2-252019-2026年中国智能语音垂直行业应用各领域市场规模图2-262019-2026年中国智能语音垂直行业应用按业务模式划分市场规模图2-272019-2026年中国对话机器人在主要行业领域应用规模图2-282020-2026年中国智能硬件搭载的AI语音助手算法产值图2-292018年-2021年11月中国计算机视觉企业融资金额与融资笔数情况图2-302018年-2021年11月中国计算机视觉企业融资轮次情况图2-312018年-2021年11月中国计算机视觉获投企业业务领域分布情况图2-322019-2026年中国计算机视觉核心产品及带动相关产业规模图2-332019-2026年中国计算机视觉核心产品在主要行业领域应用规模图2-342019-2026年中国AI芯片市场规模图3-352018-2021年11月中国一级市场人工智能赛道融资表现

2023年中国人工智能产业研究报告（V）

报告简介

2022年中国人工智能产业研究报告（V）为艾瑞咨询集团自主研究发布的行业报告，是人工智能领域的年度专题报告，至今已连续发布五年。本报告聚焦于2022年，这一历史上极为重要一年中我国AI产业参与者的特征表现、探讨AI产业在我国经济发展中的价值与地位、洞察参与者的发展路径与产业进阶突破点。希望通过本报告，为读者呈现人工智能产业现状，提供辨析和判断人工智能行业未来发展的方法启发。

1.人工智能产业发展环境演变1.1人工智能参与社会建设的千行百业1.2企业积极部署AI战略以实现业务增长1.3城市算脑建设推动区域发展与产业升级1.4政策引导解决AI重大应用和产业化问题1.5科技伦理治理持续引导AI“向善”1.6人工智能产业投资热度仍在1.7区域与独角兽企业融资分布特点1.8人工智能产业市场规模1.9人工智能产业图谱2.人工智能产业进阶之路2.1预训练大模型与AIGC2.2AI芯片2.3决策智能2.4虚拟数字人3.人工智能产业空间增长点3.1计算机视觉产品3.2智能语音应用与人机交互产品3.3机器学习产品3.4知识图谱与自然语言处理产品3.5人工智能基础层_“AI数据资源”3.6智能机器人4.人工智能产业企业案例4.1格灵深瞳4.2百应科技4.394AI4.4思必驰4.5中关村科金4.6竹间智能4.7第四范式4.8蜜度4.9数之联4.10中科闻歌5.人工智能产业发展趋势探讨5.1AI产业链各环节发展概况5.2AI产业趋势洞察5.3企业寄语

图表目录

图1-12017-2022年全球企业应用AI产品的平均数量图1-22017-2022年中国人工智能产业资本热度情况图1-32021-2022年中国人工智能融资事件数按区域分布情况图1-42021-2022年中国人工智能独角兽融资情况图1-52020-2027年中国人工智能产业规模图2-12022年-2027年中国AI芯片市场规模图2-22022年-2027年中国AI芯片训练、推理比例图2-32022年-2027年中国AI芯片应用场景比例变化图2-42020年Gurobi与COPT商业版用户行业分布对比图3-12021-2022年中国计算机视觉行业融资热度分布图3-22021-2022年中国计算机视觉获投典型产品融资热度分布图3-32021-2022年中国计算机视觉融资事件轮次分布图3-42020-2027年中国计算机视觉产业规模图3-52022年中国计算机视觉应用下游领域分布图3-62021-2022年中国智能语音行业融资热度分布图3-72021-2022年中国智能语音获投典型产品融资热度分布图3-82021-2022年中国智能语音融资事件轮次分布图3-92020-2027年中国智能语音应用规模图3-102022年中国智能语音应用下游领域分布图3-112020-2027年中国人机交互产业规模图3-122022年中国对话式AI市场下游领域分布图3-132021-2022年中国机器学习行业融资热度分布与热度TOP1赛道情况图3-142021-2022年中国机器学习获投典型产品融资热度分布图3-152021-2022年中国机器学习融资事件轮次分布图3-162021-2022年中国机器学习应用产品与服务规模图3-172022年中国机器学习应用下游领域分布图3-182020-2027年中国知识图谱产业规模图3-192022年中国知识图谱应用下游领域分布图3-202020-2027年中国自然语言处理产业规模图3-212022年中国自然语言处理应用下游领域分布图3-222021-2022年中国知识图谱行业融资热度分布图3-232021-2022年中国知识图谱获投典型产品融资热度分布图3-242021-2022年中国知识图谱融资事件轮次分布图3-252021-2022年中国NLP行业融资热度、获投产品与融资轮次分布图3-262020-2027年中国AI基础数据服务市场规模图3-272020-2027年中国数据治理与面向AI的数据治理市场规模图3-282021-2022年中国智能机器人企业按金额量级融资事件数图3-292021-2022年中国智能机器人企业融资轮次分布图3-302021-2022年中国智能机器人行业融资热度分布图3-312020-2027年中国智能机器人市场规模

2023年中国人工智能产业研究报告（Ⅳ）

原创艾瑞艾瑞咨询

人工智能丨研究报告

核心摘要：

近年来，在数字经济高速发展的背景下，人工智能技术及产品在企业设计、生产、营销等多个环节中均有渗透且成熟度不断提升，AI应用从消费、互联网等泛C端领域，向制造、电力等传统行业辐射。据艾瑞预测，2021年人工智能核心产业规模预计达到1998亿元，2026年将超过6000亿元，2021-2026年CAGR=24.8%。计算机视觉仍是AI技术赛道中贡献最大的市场，AI芯片则作为底层的算力支撑获得高速发展，其在预测时间内年的复合增长率维持在40%以上。在AI商业化的探索之路上，我们从需求侧观察到各行各业以高频高价值场景为落点做持续的AI泛化，愈多业务场景的泛化升级将带来企业AI应用的数据连通与业务协同等加成效应，反哺加速企业的智能化转型进程。而从供给侧看，AI企业在过去一年中纷纷加快上市动作，多家企业已在2021年成功实现上市。趋势演变上，可信AI在监管合规与商业内驱的合力下成为人工智能产业的发展趋势与研究重点，而大小模型云-边-端协同发展模式有望改善大模型在训练推理以及后续的落地中面临的卡点。同时，AI工程化有望打通AI全链路管理能力，助力AI企业实现落地赋能与商业变现的双赢。

人工智能产业化发展进程

技术能力创新、应用规模突破、产业地位跨越

随着2016年AlphaGo战胜人类棋手，开启了新一波人工智能浪潮，人工智能技术及产业进入加速发展期；2021年DeepMind团队开源AlphaFold2数据集，其利用人工智能技术解决蛋白质结构预测问题，供全世界科研人员使用。AI技术应用于生物领域取得的前瞻性进展有力推动了生命科学发展，也代表随着AI算力提升及算法的不断突破创新，AI技术在各行业领域的增量式技术改进、系统性前瞻性研发等重要产业改造环节提供价值。人工智能产业化进程发展至今，已逐步从AI技术与各行业典型应用场景融合赋能阶段向效率化、工业化生产的成熟阶段演进。

数字经济的华章

企业云端迁移进程加速，数字经济高速发展

数字经济是以数据为关键生产要素、以现代信息网络为重要载体、以数字技术应用为主要特征的经济形态。发展数字经济，将打通供应链上下游、产业链的不同环节与服务链的各个节点，通过产业的数字化升级，实现效率变革、动力变革、质量变革，助力新发展格局的形成与发展。近年来，我国数字经济发展迅速，2020年我国数字经济规模为39.2万亿元，占GDP比重达到38.6%。在我国“十四五规划”中，国家也首次明确提出要将数字经济核心产业增加值占GDP比重由2020年的7.8%提高到10%。未来，随着网络传输速度，海量数据积累，云计算、人工智能、物联网等代表性技术的成熟，数字经济将在各行业开启更大的想象空间。

数字经济下的人工智能产业升级

AI成为数字经济时代的核心生产力，驱动数字经济纵深发展

2021年3月我国十四五规划纲要出台，提出“打造数字经济新优势”的建设方针并强调了人工智能等新兴数字产业在提高国家竞争力上的重要价值。规划纲要指出要充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，以数据驱动生产过程优化，催生新产业、新业态、新模式。数字经济的高速发展为人工智能发展创造了良好的经济与技术环境，且人工智能作为关键性的新型信息基础设施，也被视为拉动我国数字经济发展的新动能。随着新基础设施计划的实施、消费互联网的升级和产业互联网的发展，人工智能科技产业开始步入全面融合发展的新阶段。

人工智能助力产业经济价值实现

人工智能于各环节提升经济生产活动效能

近年来，人工智能技术及产品在企业设计、生产、管理、营销、销售多个环节中均有渗透且成熟度不断提升。同时，随着新技术模型出现、各行业应用场景价值打磨与海量数据积累下的产品效果提升，人工智能应用已从消费、互联网等泛C端领域，向制造、能源、电力等传统行业辐射。以计算机视觉技术主导的人脸识别、光学字符识别（OCR）、商品识别、医学影像识别和以对话式AI技术主导的对话机器人、智能外呼等产品的商业价值已得到市场充分认可；除感知智能技术外，机器学习、知识图谱、自然语言处理等技术主导的决策智能类产品也在客户触达、决策支持等企业业务核心环节体现价值。

人工智能产业发展将打开新一轮城市与区域竞争变局

人工智能产业发展也打开了新一轮的城市与区域竞争变局。根据中国新一代人工智能发展战略研究院2018-2021年针对区域人工智能科技产业竞争力评价指数的追踪研究表明，2021年长三角总评分首次超过京津冀位列第一。人工智能和实体经济融合发展进程的加速和北方人工智能科技产业创新资源的“南移”是改变区域竞争力发展格局的重要因素。因此，各区域应加速补全人工智能及面向各行业的产业链、积极建设示范性智慧应用场景、前瞻布局人工智能相关标准及管理体系、推动公共研发等资源共享、强化科研与人才培育建设等以把握人工智能产业发展的重大历史机遇。

人工智能产业规模

视觉市场筑起主要版图，AI芯片是增速的重要拉力

人工智能产业正从发展期向成熟期过渡，除AI芯片外的细分技术赛道产业已跨过高速增长期，步入了稳步增长阶段。2021年，人工智能预计达到1998亿元规模，2026年将超6000亿元。计算机视觉仍是贡献最大的市场，但随着下游各方数字化发展的意识不断加强，其对数据这一AI模型生产要素的要求在不断变高，采购含有机器学习技术的数据类产品的需求暴露与凸显，在一定程度上带动了机器学习市场；此外，AI芯片作为人工智能产业的关键硬件，其2021-2026年的CAGR在40%以上，是拉动整体产业核心规模增速与带动规模增速的重要拉力。

人工智能产业图谱

机器学习：厂商的数据与应用业务补全

数据治理与ML应用开发将逐渐走向一体化

2021年，中国机器学习核心产品的市场规模为275亿元，带动规模为1089亿元，核心规模2021-2026年CAGR=20.6%。ML应用厂商补全数据治理业务、数据治理厂商补全ML应用开发业务成为了一大发展趋势。机器学习应用厂商在进行决策智能应用开发时，往往面临模型与数据无法拉齐的问题，所以需要溯源到前置环节，从一开始就把数据治理的工作做好，构建模型特有的数据资产。数据治理厂商完成数据治理后，本就对客户的业务数据有了深入了解，能够较为顺利地进入到下一轮的模型开发业务中，且模型应用开发可增加新的业务收入，故不少数据治理厂商投身于ML应用部署的业务中。

知识图谱：行业落地情况剖析

深耕业务，持续迭代，注重可落地性，克服双重卡点

2021年，中国知识图谱核心产品的市场规模为107亿元，带动规模为412亿元，核心规模2021-2026年CAGR=22.5%。在行业知识图谱的推进过程中，供应商会面临业务与技术上的卡点。业务方面，供应商团队常面临行业理解不到位、产品化封装难、客户期望过高等问题；而在技术方面，客户的底层运算基础设施欠缺、部分数据敏感度高的行业数据集缺失、知识图谱这类二维链接的图数据存在存储困难是普遍问题。对此，供应商需持续深入业务，形成知识图谱模型持续迭代的生产闭环，并注重产品化与工程化的可落地性，避免一味地投入高额成本却生产出智能化高、业务吻合度低的低效模型。

自然语言处理：金融NLP商业生态圈探讨

银行对NLP公司具有依赖性，双方互惠共存

2021年，中国NLP核心产品的市场规模为171亿元，带动规模为450亿元，核心规模2021-2026年CAGR=24.8%。以银行为主体的金融机构在外采NLP相关产品时，一般都会带着自研的目的。其采购NLP公司的产品或解决方案，对项目中的技术、经验等进行学习与吸纳，从而服务自身。这就会让部分NLP公司陷入疑问：银行若是学会了技术，自给自足，自己要如何保证市场份额与增量空间。事实上，银行是离不开NLP公司的。由于体制与文化的局限性，银行难以直接将身份过渡为NLP产品的供应商，其往往会成立一个需要持续对外学习新技术的第三方公司，或者投资、成立一些NLP公司，以保证经济安全、便捷有效的NLP产品更新替代，以及在众多银行中的业务竞争力。因此，垂直领域的NLP公司不必过于焦虑，其应继续深耕领域内的技术与业务实力，保证自己的能力领先，才能够持续对银行输出，保有自己的“蛋糕”。

智能语音与对话式AI：产品价值持续延伸

对话式AI的价值边界不断拓宽，以交互为入口深化AI赋能

2021年，中国对话式AI产品的核心产品市场规模达到80亿元，带动规模为728亿元，核心规模2021-2026年CAGR=27.0%。对话式AI最早依托于智能语音技术和简单的自然语言理解能力，实现机器与人类简单的问答交互，而后逐步承载知识库和知识图谱等知识工程，并融合情感计算模型，让机器同时具备一定知识背景支撑和情绪感知能力。此时对话式AI产品智能性已然凸显，可应用在营销客服等领域帮助或替代人类完成大量重复性工作。未来对话式AI的产品边界将进一步扩大，以对话式AI为入口，以NLP和知识图谱等认知能力为底座，泛化赋能营销洞察、舆情监督等更多应用场景。

计算机视觉：Transformer与CNN模型的跨界融合

大规模预训练与Transformer模型“跨界”融合推动计算机视觉技术进一步革新

2021年，中国计算机视觉核心产品的市场规模为990亿元，带动规模为3079亿元，核心规模2021-2026年CAGR=17.4%。计算机视觉作为商业化程度最高、应用场景最广的人工智能赛道，从技术层面来看，在分类、定位、检测、分割等基本语义感知研究任务上已经取得很好的表现，在真实场景中也能够较好应对实战考验。在训练模型上，人工智能技术正呈现“大一统”趋势，在自然语言理解领域大放异彩的Transformer模型框架正在逐步拓展至计算机视觉模态，未来数年内我们很可能会看到Transformer与CNN相结合的混合模型架构成为视觉任务的主导模型，用以达到降低模型结构的复杂性并提升模型的可扩展性和训练效率的目的。

AI芯片：“新需求”下的人工智能计算中心

提高AI算法和AI技术落地效率，商业价值初见端倪

2021年，中国AI芯片市场规模为297亿元，预计2026年超过1900亿元，2021-2026年CAGR=45.2%。以GPU、ASIC、FPGA为代表的AI芯片被广泛应用于云计算、AIDC、安防、自动驾驶、移动终端等领域，高效支撑AI技术落地应用，成为了AI算力突破的新增长点。而涵盖系统级AI芯片、异构智能计算服务器以及人工智能计算中心（AIDC）等的智能计算集群，可高效提供支撑AI模型开发、训练或推理的算力资源，并降低总拥有成本。AIDC既可以提高AI算法的产能，又可以提升AI技术落地效率，从算力底层实现的AI适配为人工智能企业的商业化价值拓展带来了更多可能。

AI技术发展趋势：云数智融合

云计算·大数据·AI融合变革升级，开启业务转型增长新时代

云数智的超融合发展，将带来云资源、数据资源和AI能力的极致解耦与弹性协同。拉通云服务调用、数据管理、AI模型训练及算法迭代等全链路资源后，在底层让云资源调配更加灵活弹性，在数据层与AI平台高效融合，在开发层实现敏捷式开发的质效提升，为企业提供从开发到部署、端到端的一站式大数据智能服务，达到资源节约、敏捷开发与高质效落地。

资本市场总况

资本回暖，成熟企业融资转向二级市场，部分企业冲刺成功

本报告以2018年-2021年11月为融资统计分析区间。在经过2020年新冠疫情的行业洗牌后，2021年资本回暖，资金流入更为成熟企业（C轮及以后）的同时，也流入了众多A+轮及以前的初创企业，投资者重拾对人工智能创业回报的信心。此外，多家AI企业集中进行IPO使得行业融资实现了跨越，云从科技、旷视科技、格林深瞳、云天励飞均顺利过会，并拟在科创板上市，其人工智能融资即将打开二级市场的通道；2021年底，商汤科技成功完成港股上市，为AI行业资本市场发展带来了新气象，且同年亦有AI医疗影像赛道的企业冲刺成功。

人工智能企业价值实现进程

行业内IPO进程加快，技术与商业化的结合仍将是发展关键

当前，大多数企业已经逐步从早期技术驱动阶段向商业驱动发展，尤其是基于视觉、语音和文本的AI技术相对较为成熟，AI在安防、医疗等领域有较多的落地成果。随着AI逐步走向成熟，市场的自然规律会为行业“去伪存真”，能够真正用AI技术解决实际问题并完成良好商业化落地的企业才能经受住时间的考验，真正释放AI的价值。2021年以来，许多企业加快上市动作，部分企业已将上市变为了现实，成功实现了私募市场和二级资本市场的衔接，打通了进一步发展的重要融资渠道。不过，若想持续赢得投资者的信任，企业不仅需要可观的财务报表，更需要建立技术的商业化落地能力，以此将企业发展带上一个良性循环的轨道。

智能化改革践行者的人工智能思维

各行各业以高频高价值场景为落点做持续AI泛化

企业AI转型核心为先找到最值得赋能落地的“高频高价值”场景，再以此为切入点带动企业内外部更多场景的转型升级。如今，以金融、零售、医疗和工业为代表的各行各业正以AI应用率先落地的原始场景为起点，逐步实现了更多场景的赋能延伸。愈多业务场景的泛化升级将带来企业AI应用的数据连通与业务协同等加成效应，反哺加速企业的智能化转型进程。

数据为AI应用落地核心痛点，面向AI的数据治理备受关注

数据治理在AI应用落地实施中花费90%以上的精力，而面对AI应用对数据的质量、量级、字段丰富度和实时性等维度的高质量要求，大多传统数据治理体系难以满足，因此对应数据存在反复治理、二次治理的工作，极大拉低AI应用的规模化落地效率。若企业搭建面向人工智能的数据治理体系，可将面向AI应用的数据治理环节流程化、标准化和体系化，降低数据反复准备、特征筛选、模型调优和迭代的成本，缩短AI模型的开发构建周期，最终显著提升AI应用的规模化落地效率。

人工智能企业商业化价值路径

产品化和商业模式的结合探索是AI成功商业化的正确路径

产品与商业模式之间本身具有强烈的联动关系，企业用产品探索市场与客户，加深对技术场景的理解，而这种理解可以反推商业模式，然而AI行业内一直存在着产品和商业化相互妥协和制约的现象。因此，AI服务商在思考如何实现自身商业化价值增长时，需要将产品化和商业模式二者紧密结合起来去探索正确有效的商业化路径，切勿孤立地追求优先二者满足其一，目前许多行业内企业也正积极地走在这条探索之路上。

AI平台的商业价值

具备摆脱AI碎片化落地，实现技术成果快速商业化的基础

如何在非标的定制化项目服务中找到相对标准化、效率化供给方式是AI企业实现规模化效应的破局点。AI平台可提供云化算力支持、数据治理一体化工具、通用的模型开发能力，甚至面向部分应用场景的标准化AI模型，有效加成AI企业产品化能力。目前，客户企业普遍缺乏智能应用研发与部署的支撑能力，带来了AI算法模型研发门槛高、作坊式的部署工具难以在实际生产环境中落地等问题。AI企业锚定这一市场痛点，通过扎实的平台试图让AI落地摆脱碎片化落地的状态，从而在各个行业赛道里进行广泛布局，在人员需求更低的同时，却可以获得更多的创新技术成果，并且能够把这些创新性的技术成果快速进行商业化落地。

AI工程化能力的商业价值

打通AI全链路管理能力，实现落地赋能与商业变现的双赢

人工智能应用的场景呈现出多元性日益增长、用户体验要求高、迭代迅速等特点，传统的开发方式已经无法满足企业客户的需求，亟需对数据计算分析、模型开发部署、在线训练推理、应用开发运维等各种环节进行全周期管理，因此“AI工程化”被频频提及。与学术界AI模型不同，工业界AI模型在不断调整优化的过程中凝聚和注入了企业对行业的理解和认知，模型技术能力向生产力的实质转化效率是AI工程化落地的重要依据。未来AI应用将形成专业分工更精细的产业链生态，需具备开箱即用、自主定制、成本经济的特点，而部分AI企业已经开始打造可创建和管理生产级人工智能管道工具，形成自身的AI工程化能力，提升从算力、数据、模型到上层应用的普惠性、兼容性、敏捷性、经济性和高效性。

可信人工智能的重要性升级

可信AI将逐步成为行业规范化、技术商业化的关键助推器

可信人工智能的核心原则是让AI应用满足可靠、安全、可解释、隐私保护、责任明确等条件，是落实AI治理的重要实践。AI企业作为人工智能技术产品化的主体，在可信人工智能的发展实践中正发挥着日益积极的作用。除了承担社会公益和行业引领的责任外，AI企业在商业化上面临越来越多的限制和挑战也是关键驱动因素。以可信人工智能所包含的隐私保护为例，部分AI企业在接受监管机构上市问询时，被重点要求说明其技术、业务及产品中涉及到数据应用的具体环节，相关数据来源与合规性，以及保证数据合规的具体措施等。这种自上而下的监管推动也将与企业内驱形成合力，共同推动可信人工智能的发展与实践。

大模型争论

大小模型云-边-端协同发展

自2020年6月OpenAI发布GPT-3以来，各大学术机构与科技企业争先参与到大模型竞赛中，大模型于2021年迎来了大爆发。尽管大模型的研发取得了较大进展，其发展却面临诸多卡点：1）数据方面，开发者使用的数据集可能会重复，进而导致各家的大模型能力相近。2）算法方面，参数越多、模型越复杂，模型越难以解释，复杂的大模型成为了“黑箱”，让业务使用者甚至是研发者都无法获知模型的结果与特征之间的关系。3）投入产出方面，成本与回报难匹配，训练所需的芯片成本过高、训练时间过长、碳排放量过高，而训练出的模型可能局限于某些行业业务、普适性差，让大模型沦为一次性的模型，浪费大量资源。4）应用使用方面，客户更注重模型的实用性，很多中小企业研发的小模型即可满足客户的业务需求，且成本更低，性价比更高。然而，宏观经济运行与监管、航空航天量子计算、医药研发、细胞分类等社会与自然科学领域的重大分析任务，以及跨行业的通用模型研究又恰恰需要大模型这一先进工具。对此，大小模型云-边-端协同发展的模式被提出：云端提供充足的算力与数据存储空间，容纳大模型的训练与演变，云端大模型为边、端小模型输送通用知识与能力；而在边与端侧，小模型快速执行推理任务，专注于特定场景的极致化，并向云端大模型反馈数据、成效，解决大模型数据集单一的问题，最终实现功能独立的大模型的全社会共享。

大模型商业化探讨

随着大模型技术的演进，其商业化路径将逐渐清晰

大模型意在打造成为变革性产业基础设施建设设施，通过一个巨大的模型通用式的解决各个场景的AI解决方案，与弱人工智能时代为单个产品提供单个解决方案模型的运作方式有着本质上的区别，规模化的人工智能模型生产将形成成本边际效应，极大节约AI应用的开发成本。尽管现阶段大模型处于发展初期，技术难度、资源消耗和收益模式均面临着诸多挑战，但随着大模型在技术上不断地提升与演进，未来的AI大模型的商业化路径和收益将逐渐清晰，而站在巨人肩膀上的人工智能行业也会因大模型而取得更大的进步。

低/零代码开发，AI落地千行百业

未来AI应用或将迈入“零门槛”开发时代

如今，面对复杂度较低、业务流程相对简单的开发需求，AI应用已经初步实现全流程可视化界面的开发操作，一只脚成功迈入“零门槛”开发时代。未来随着AI技术能力的突破与厂商在垂类业务逻辑的沉淀积累，低/零代码AI开发平台将赋能适用在更多行业及细分场景，让AI应用真正迈入“零门槛”开发时代。而当AI应用落地开发实现人人”触手可及“的时候，AI算法模型的内部可解释性、AI体系的自动化闭环迭代、AI数据的隐私安全等问题需进一步的关注与探讨。

原标题：《2021年中国人工智能产业研究报告（Ⅳ）》

2023中国人工智能发展现状、产业规模及未来发展趋势分析

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。这一概念在1956年被提出，整体上历经三次繁荣期，两次低谷期。中国人工智能起步较晚，萌芽于上世纪70年代末，随着互联网的蓬勃发展及技术的创新和应用，近年来中国人工智能逐渐落地，进入快速发展时期，已发展成为国家战略。

中国人工智能发展历程

中国人工智能商业化发展政策环境分析

中国人工智能投融资规模增长迅速

数据显示，2014年以来中国人工智能产业融资规模不断扩大，并于2018年达到高峰，2020年中国人工智能产业融资规模为1402亿元。人工智能技术的发展吸引了大批资本，资本持续看好中国人工智能产业发展。

中国人工智能产业链图谱

中国人工智能产业规模爆发式增长，发展潜力大

随着国家政策的倾斜和5G等相关基础技术的发展，中国人工智能产业在各方的共同推动下进入爆发式增长阶段，市场发展潜力巨大。数据显示，2019年中国人工智能核心产业规模就已超过510亿元，预计在2025年将达到4000亿元，未来有望发展为全球最大的人工智能市场。

交通和医疗是受访网民主要人工智能应用场景

iiMediaResearch(艾媒咨询)数据显示，交通场景和医疗场景是受访网民最常接触人工智能应用场景，分别占比45.2%和40.5%。

人工智能三要素

数据、算法、算力是人工智能发展最基本的三要素。受益于数字经济发展浪潮，AI芯片作为人工智能的核心关键，拥有广阔前景。

AI芯片市场规模及预测

iiMediaResearch(艾媒咨询)数据显示，2020年中国人工智能芯片市场规模达183.8亿元，预计2023年将突破千亿级别。艾媒咨询分析师认为，AI芯片是人工智能产业的核心硬件，全球AI芯片发展水平还在起步阶段，中国凭借诸多利好因素有望领先全球，具有巨大发展潜力。

中国人工智能产业应用各细分领域成熟度分析

人工智能广泛应用于各个行业，且在5G等新兴技术的赋能下，人工智能行业将加速发展。综合各细分领域的渗透程度和市场体量，人工智能在安防、零售和金融领域的成熟度最高，在制造领域市场体量最大，农业、医疗、文娱等领域仍有较大发展空间。

人工智能+金融：应用现状

人工智能在金融行业的应用范围较广，助力金融服务智能化、自助化、普惠化。如智能支付、智能理赔、智能客服、智能投顾等主要服务于C端消费人群，提高消费者办理业务效率。在toB方面，如智能风控可以保障金融机构业务效率和安全性，智能投研为机构提供智能化信息搜集工作，提高工作效率。

中国人工智能产业发展趋势解读

1、人工智能加速数字经济，赋能产业构建竞争壁垒

AI与5G、IDC等成为数字经济的重要基础设施，并且企业的数字化转型会催生出对人工智能更多的需求，同时也为人工智能的应用提供了基础条件。随着人工智能技术各细分领域不断创新和发展，同时也将带来巨大的生产变革和经济增长，企业将扩大人工智能资源的引进规模，加大自主研发投入，将人工智能与其主营业务结合，提高产业地位和核心竞争力。

2、人工智能芯片进入高速增长阶段，国产芯片发展水平成为全产业的基础

当前，中国正加速推进5G基站、人工智能、工业互联网等新型基础设施建设，AI芯片也是支撑人工智能技术和产业发展的关键基础设施。未来将催生大量高端芯片、专用芯片的需求，人工智能芯片行业将迎来新一轮的高速增长阶段。另一方面，打造具有自主知识产权的国产芯片尤为重要，为中国企业人工智能顶层应用的算法效果及落地成本赋能。

3、人工智能应用趋向广泛化、垂直化，全方位触达大众工作生活成必然

目前，中国人工智能技术层中语音识别、自然语言处理等应用已渐入佳境，已广泛应用于金融、教育、交通等领域。未来人工智能的应用场景范围将持续扩大，深度渗透到各个领域，在细分垂直场景也将有更具创新的AI研究成果与应用，引领产业向价值链高端迈进，有效支撑产业实现智能化生产、营销、决策等环节，同时也为改善民生起到重要作用。

4、促进人工智能与其他高端技术融合、碰撞，催生万亿市场机会

大数据可以为人工智能提供更庞大复杂的数据，是奠定机器学习思维能力的基础;云计算赋能AI算力，同时也为大数据提供数据的存储和计算服务;区块链将为人工智能、大数据、云计算带来的信息篡改和泄露提供安全保障。未来人工智能与大数据、云计算以及区块链技术相互融合、相互促进将会激发出更多潜力，孕育广阔商机。

以上部分数据、内容来自艾媒研究院发布的报告，点击下载完整版↓↓↓

2023年全球人工智能行业市场规模及竞争格局分析美国高层次学者数量较多

人工智能行业主要上市公司：目前国内人工智能行业的上市公司主要有百度百度(BAIIDU)、腾讯(TCTZF)、阿里巴巴(BAIBAI)、科大讯飞(002230)等。

本文核心数据：中国人工智能发展历程,全球人工智能行业市场规模情况,人工智能独角兽数量,全球科技巨头人工智能布局情况,全球人工智能领域高层次学者数量前十国家

1、全球人工智能行业发展经历第三次浪潮，产业发展迅速

人工智能概念的提出始于1956年的美国达特茅斯会议。人工智能至今已经有60多年的发展历史，从诞生至今经历了三次发展浪潮。分别是1956-1970年、1980-1990年和2000年至今。

1959年ArthurSamuel提出了机器学习，推动人工智能进入第一个发展高潮期。此后70年代末期出现了专家系统，标志着人工智能从理论研究走向实际应用。

80年代到90年代随着美国和日本立项支持人工智能研究，人工智能进入第二个发展高潮期，期间人工智能相关的数学模型取得了一系列重大突破，如著名的多层神经网络、BP反向传播算法等，算法模型准确度和专家系统进一步提升。期间，研究者专门设计了LISP语言与LISP计算机，最终由于成本高、难维护导致失败。1997年，IBM深蓝战胜了国际象棋世界冠军GarryKasparov，是一个里程碑意义的事件。

当前人工智能处于第三个发展高潮期，得益于算法、数据和算力三方面共同的进展。2006年加拿大Hinton教授提出了深度学习的概念，极大地发展了人工神经网络算法，提高了机器自学习的能力，随后以深度学习、强化学习为代表的算法研究的突破，算法模型持续优化，极大地提升了人工智能应用的准确性，如语音识别和图像识别等。随着互联网和移动互联的普及，全球网络数据量急剧增加，海量数据为人工智能大发展提供了良好的土壤。大数据、云计算等信息技术的快速发展，GPU、NPU、FPGA等各种人工智能专用计算芯片的应用，极大地提升了机器处理海量视频、图像等的计算能力。在算法、算力和数据能力不断提升的情况下，人工智能技术快速发展。

近年来，深度学习+大数据+并行计算共同推动人工智能技术实现跨越式发展。“人工智能+”应用已开始落地开花，从智能安防，到智能客服，再到智慧教育和智慧医疗等。基于人工智能技术的各种产品在各个领域代替人类从事简单重复的体力或脑力劳动，大大提升了生产效率和生活质量，也促进了各个行业的发展和变革。

得益于深度学习等AI技术的进步，以及Al在各个行业的深入应用，产业发展迅速。根据沙利文的统计预测，2019年全球人工智能行业的市场规模约为1917亿美元，初步估计2020年全球市场规模将达到2335亿美元。

2、独角兽企业增长23家，科技巨头纷纷布局

近年来，人工智能成为全球关注的焦点之一。各国均大力发展人工智能，人工智能相关企业飞速增长。根据《2020胡润全球独角兽榜》显示，全球人工智能行业有63家独角兽上榜，2019年独角兽榜中人工智能相关独角兽企业仅有40家。

全球科技巨头也都纷纷布局人工智能。在美国地区，Google打造Googlenssistant智能助手，开发TPU芯片。Facebook同样组建芯片团队，开发人工智能助理。苹果打造siri，发布人工智能芯片A11Bionic。国内，百度也推出智能语音助理DuerOS，发布云计算加速芯片XPU。

3、美国拥有高层次学者数量最多

A1高层次学者是指入选AI2000榜单的2000位人才，由于存在同一学者入选不同领域的现象，经过去重处理后，AI高层次学者共计1833位。从国家角度看AI高层次学者分布，美国A1高层次学者的数量最多，有1244人次，占比62.2%，超过总人数的一半以上，且是第二位国家数量的6倍以上。中国排在美国之后，位列第二，有196人次，占比9.8%。德国位列第三，是欧洲学者数量最多的国家;其余国家的学者数量均在100人次以下。

以上数据及分析请参考于前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、IPO业务与技术撰写、IPO工作底稿咨询等解决方案。

人工智能行业发展趋势及市场规模分析2023

人工智能行业发展趋势及市场规模分析2023郭梦2023年6月28日来源：互联网79248繁体

近年来，人工智能成为全球数字技术创新最活跃的前沿领域之一，是数字经济的新赛道和国际竞争的新热点。同时，社会公众对于人工智能疑虑未消，在踩下油门的同时如何控制好速度与方向，进而构建安全、可信的人工智能，成为与会企业家、专家热议的焦点。

构建安全可信的数字世界

人工智能时代，智慧教育有了新模样：机器人通过图像识别就可以批改试卷、识题答题;“AI老师”通过人机交互技术实现24小时在线答疑解惑。不仅教育领域，工业、商业、物流、医疗……对话过程中，业内人士不断分享着人工智能的应用场景。

人工智能行业发展趋势及市场规模分析2023

在产业政策支持下，市场立法逐渐健全，未来中国人工智能市场规模将高速增长，到2025年将突破3000亿元。作为全球最大的人工智能应用市场，中国人工智能技术落地迅速，已经广泛应用于多个行业和场景。中国人工智能飞速发展刺激着各行各业的经济，应用市场潜力巨大。

人工智能技术的应用不仅大大提高了传统行业的生产效率，更是让传统制造业变得更有市场竞争力。

从全球范围来看，人工智能技术的发展速度非常快，有很多行业在积极地运用人工智能技术。美国是最早开始研究和开发人工智能技术的国家之一，欧洲的部分国家也有着相当高的研发实力，中国则成为了世界上发展最快的人工智能市场之一。

从行业来看，人工智能技术在医疗、金融、零售、制造业等多个领域都有着广泛的应用。其中，医疗健康应用是人工智能技术的一大重点领域，包括疾病预测、医学影像诊断、智能辅助诊疗等。

据中研普华产业院研究报告《2023-2027年中国人工智能行业全景调研与发展战略研究咨询报告》分析

近年来，人工智能产业进入高速发展阶段，人工智能的应用场景从硬件扩展到了软件、服务与平台体系，在工业、农业、医疗领域的行业应用不断深入。

我国人工智能产业链主要包括算法、芯片、算力、数据及场景等几大环节，各个环节都存在细分领域的龙头企业。

人工智能是新形势下数字经济的重要基础设施，具备同各行各业结合的能力，越来越多的行业和领域都在进行不同层次的智能化升级。新人工智能时代将是泛智能时代，覆盖的范围也远远不止传统理解中的互联网和科技行业，将给全社会带来生产力和连接度的飞跃。

伴随着科学基础和实现载体取得新的突破，类脑计算、深度学习、强化学习等一系列的技术萌芽预示着内在动力的成长，人工智能的发展已进入一个新的阶段。

我国政府高度重视人工智能的发展，通过发布政策、实施重大项目等方式积极推动人工智能技术和产业创新发展，将人工智能融入国家整体创新体系，不断增强产业竞争力。

随着我国新基建、新经济的不断推进，AI技术在各领域的应用不断深化，我国人工智能行业市场规模持续增长。

我国人工智能市场规模逐年扩大。2022年，我国人工智能市场规模达到2680亿元，预计2023年全年我国人工智能市场规模将达到3200亿元，同比增长33.8%。

在科技迅速发展的时代，人工智能的发展是大势所趋，而中国发展人工智能具有着良好的社会环境，如在人才培养、人力资源、社会消费需求等方面体现出游刃有余的社会优势。近年来，中国知识产权创造水平稳中有进，国内企业创新主体地位进一步提升，国际社会对中国知识产权保护的信心持续增强，人工智能技术的发展具有良好的知识产权保护环境。

未来，在5G+物联网的加持下，各行各业都将进入一个智能化阶段。通过数据流和控制流的实时交互，实现人与机器之间、人与物之间的高效协同，并在人机协作中进一步提高生产效率和产品质量。

人工智能行业研究报告旨在从国家经济和产业发展的战略入手，分析人工智能未来的政策走向和监管体制的发展趋势，挖掘人工智能行业的市场潜力，基于重点细分市场领域的深度研究，提供对产业规模、产业结构、区域结构、市场竞争、产业盈利水平等多个角度市场变化的生动描绘，清晰发展方向。

欲了解更多关于人工智能行业的市场数据及未来行业投资前景，可以点击查看中研普华产业院研究报告《2023-2027年中国人工智能行业全景调研与发展战略研究咨询报告》。

关注公众号

免费获取更多报告节选

免费咨询行业专家

2023年中国人工智能产业研究报告（Ⅳ） 人工智能产业规模预测报告怎么写

2023年中国人工智能产业研究报告（Ⅳ）

2023年中国人工智能产业研究报告（V）

2023年中国人工智能产业研究报告（Ⅳ）

2023中国人工智能发展现状、产业规模及未来发展趋势分析

2023年全球人工智能行业市场规模及竞争格局分析 美国高层次学者数量较多

人工智能行业发展趋势及市场规模分析2023

2023年中国人工智能产业研究报告（Ⅳ）人工智能产业规模预测报告怎么写

2023年全球人工智能行业市场规模及竞争格局分析美国高层次学者数量较多